Bài giảng xử lý ảnh số chương 7 xử lý ảnh dựa trên morphological

XỬ LÝ ẢNH DỰA TRÊN MORPHOLOGICAL NGÔ QUỐC VIỆT TPHCM-2014 Giới thiệu Binary Morphology Một số khái niệm tập hợp Các phép toán    Phát triển bào mòn (Dilation and erosion) Mở đóng (Opening and closing) Biến đổi trúng hay trật (Hit-or-miss transformation) Ứng dụng morphology vào toán xử lý ảnh        Dò biên Trích thành phần liên thông (Extraction of Connected Components) Tìm bao lồi (Convex Hull) Tô vùng (Region Filling) Làm mảnh (Thinning) Làm dầy (Thickening) Lọc xương/Lấy cạnh trung tâm (Skeleton) Bài giảng Xử lý ảnh - TS Ngô Quốc Việt  Trang bị kiến thức cách tiếp cận cấu trúc (tập hợp) vào giải toán xử lý ảnh đã giải biến đổi giải tích trước đó, số xử lý khác  Trang bị kỹ sử dụng OpenCV để thực xử lý dựa morphology Bài giảng Xử lý ảnh - TS Ngô Quốc Việt       Phương pháp phi tuyến Dựa lý thuyết tập hợp Minkowski Là phần lý thuyết finite lattices Dùng để phân tích ảnh dựa hình dáng Phương pháp hiệu quả, chưa sử dụng nhiều Morphology nhị phân morphology ảnh đen trắng cho toán xử lý ảnh Bài giảng Xử lý ảnh - TS Ngô Quốc Việt         Cải tiến ảnh (image enhancement) Phân đoạn ảnh (image segmentation) Phục hồi ảnh (image restoration) Dò cạnh Phân tích Texture (texture analysis) Phân tích particle Phát sinh đặc trưng (feature generation) Trích xương (Skeletonization) Phân tích hình dáng (shape analysis)  Nén ảnh (Image compression)  Phân tích thành phần (Component analysis)  Curve filling  Làm mỏng tổng quát (General thinning)  Tìm đặc trưng (Feature detection)  Giảm nhiễu (Noise reduction)  Lọc không-thời gian (Space-time filtering)  Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Ảnh ánh xạ I từ tập SP tọa độ pixel đến tập G giá trị cho vector tọa độ p = (r,c) SP, có vector I(p) thuộc G SP gọi image plane Ảnh nhị phân có hai giá trị Nghĩa là, G = {vfg , vbg}, với vfg giá trị foreground vbg giá trị background Thông thường, foreground vfg = 0, background vbg = – Một số khả kháclà {vfg , vbg} = {0,}, {0,1}, {1,0}, {0,255}, {255,0} Bài giảng sử dụng {vfg , vbg} = {255, 0} mà không làm tính tổng quát Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Foreground ảnh nhị phân   FG  I   I  p , p   r, c   SP I( p)  vfg , Tập vị trí p, với I(p) = vfg Tương tự background   BG  I   I  p , p   r, c   SP I(p)  vbg Chú ý FG I   BG I   I FG I   BG I    BG I    FG I   FG I    BG I  C C Background bù foreground ngược lại Bài giảng Xử lý ảnh - TS Ngô Quốc Việt A ={(3,1), (4,1),(3,2),(4,2),(3,3)} Bài giảng Xử lý ảnh - TS Ngô Quốc Việt FG is gray ; BG is white Example SEs Structuring element ảnh nhỏ – dùng làm cửa sổ dịch chuyển – giá SE thể pixel lân cận SE có hình dáng kích thước bất kỳ, liên thông (nhiều piece, có lỗ) Dấu tròn hình thể gốc SE Gốc đặt đâu SE Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Cho ảnh I Z SE Z+p nghĩa Z dịch chuyển cho gốc trùng với vị trí p SP Z+p translate Z đến p SP Tập vị trí ảnh ký hiệu Z+p gọi Z-neighborhood p I Ký hiệu N{I,Z}(p) Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 10  Quá trình làm dày A theo phần tử cấu trúc B xác định Hit-or-miss transformation  Quá trình làm dày xác định qua chuỗi phần tử cấu trúc  SE thickening tương tự SE thinning hoán vị vai trò zero Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 57 Tham khảo mã nguồn openCV_ConvexHull Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 58  Đặt Skel(I,r) tập pixel I cho p  Skel(I,r) Dp(r), maximal disk bán kính r I Nghĩa là, Skel(I,r) quỹ đạo tâm maximal disks bán kính r I Thì  S  Skel(I, r ) r 0 Xương I hội tập tất tâm maximal disk  Maximal disk Dp(r) tiếp xúc với biên I hai điểm  Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 59 Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 60 Ảnh gốc skeleton thô (đỏ) Là tập tâm maximal disks Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Tỉa nhánh connected skeleton 61 non maximal “disks” maximal disks (red) non max & max disks “disks” are squares non max disks (blue) over skeleton Maximal disk pixel p đĩa lớn fg có chứa p Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 62 non maximal “disks” maximal disks (red) non max & max disks “disks” square non max disks (blue) over skeleton Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 63 Note that the result is disconnected and has spurious points Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Skel( I, ) top - middle Skel( I, ) top - middle Skel( I, ) top - middle Skel( I, ) open above w/ Z (n=1) open above w/ Z (n=1) open above w/ Z (n=1) open above w/ Z (n=1) erode n=3 erode n=2 erode n=1 erode n=0 original • n = 2: SE = Sq(5) top - middle skeleton • n = 1: SE = Sq(3) union of all to the right • SE = Z8 = = Sq(3) • n = 0: SE = pixel • n = 3: SE = Sq(7) 64 Skeleton thô Có pixel “giả” Xem pixel giả Thành phần liên thông Ít pix Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Tỉa nhánh Tốt 65 components pruned skel dilated other components of pruned skel dilated Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Giao Các thành phần dilated 66 Skeleton thô Skeleton tỉa nhánh Bài giảng Xử lý ảnh - TS Ngô Quốc Việt reconnected skeleton 67  Một cách biểu diển Skeleton tập hợp biểu diển qua openning erosion Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 68  Quá trình rút xương biểu diển qua các thao tác xói mòn (erosion) mở (opening) Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 69 Tham khảo mã nguồn openCV_Skeleton Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 70 Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 71 [...]... Closing Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 25  Phép mở Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 26  Phép đóng Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 27  Kết quả của phép mở và phép đóng : Kết quả Phép mở Kết quả Phép đóng Ứng dụng  Phép mở có thể sử dụng để loại bỏ các cầu nối, các cành hoặc phần nhô ra của ảnh  Phép đóng có thể sử dụng để lấp đầy các lỗ hổng, các khe hở nhỏ Bài giảng Xử lý ảnh. .. Background: black pixels Bài giảng Xử lý ảnh - TS Ngô Quốc Việt Cross-hatched pixels are indeterminate 29 Một số tính chất của phép mở:  Tính phản mở rộng :  Tính đơn điệu tăng :  Tính dừng : Một số tính chất của phép đóng :  Tính mở rộng :  Tính đơn điệu tăng :  Tính dừng : Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 30 Tham khảo mã nguồn openCV_OpenClose Bài giảng Xử lý ảnh - TS Ngô Quốc Việt... A Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 33  Theo công thức 1, kết quả biến đổi là Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 34  Theo công thức 2, kết quả là Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 35 Top hat được xác định 𝑇ℎ𝑎𝑡 𝐴 = 𝐴 − 𝐴 ∘ 𝐵 với B là SE  Bottom-hat được xác định bởi 𝐵ℎ𝑎𝑡 𝐴 = 𝐴 ∙ 𝐵 − 𝐴 với B là SE  Sinh viên làm thực nghiệm với ảnh sau và cho nhận xét (đọc tài liệu Gonzalez từ 695 -70 0)... 0, 1” SE Đã giãn Ảnh nguồn Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 16 Tham khảo mã nguồn openCV_Dilate Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 17  Phép toán Erosion đối tượng A theo đối tượng Z được định nghĩa bởi: E ( A, Z )  {x | x  z  A, z  Z}   Với vector a bất kỳ , khi tịnh tiến a theo từng vectơ trong Z Kết quả sau khi tịnh tiến a là các vectơ mới: a1,a2, an (n là số lượng phần tử... {(2,2),(3,2),(4,2),(3,3)} D(A,B) = A1 U A2 = {(2,1),(3,1),(4,1),(3,2), (2,2),(4,2),(3,3)} Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 14 Sử dụng SE 3x3 – Z8 có dạng cho phép mở rộng đều về cả 8 hướng 1 1 1  Kết quả dilate trên ảnh mẫu như sau  1 1 1   1 1 1 Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 15 SE được áp lên mọi pixel của ảnh Tâm của SE được kết hợp với từng pixel, toàn bộ SE được áp cho pixel đang... gốc của nó Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 11  Phép toán Dilation đối tượng A theo đối tượng Z (thường là SE) được định nghĩa bởi D( A, Z )  A  Z  a  z | a  A, z  B   Đối tượng A tịnh tiến theo từng vectơ (vị trí) trong Z Kết quả sau khi tịnh tiến tạo ra các đối tượng A1,A2,… An (n là số phần tử trong Z) D(A,Z) là hợp các Ai Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 12 Một số định nghĩa... c Z  I  Z  Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 23  Hai phép toán phát triển và bào mòn thường được sử dụng cùng nhau Từ nhu cầu đó, người ta kết hợp 2 phép toán này để tạo nên một số phép toán có mức độ quan trọng cao hơn: phép mở và phép đóng  Phép mở của tập A bởi phần tử cấu trúc B được định nghĩa như sau:  Phép đóng của tập A bởi phần tử cấu trúc B : Bài giảng Xử lý ảnh - TS Ngô Quốc... của ảnh, nếu mọi phần tử của SE trùng với phần ảnh tương ứng, thì logical disjunction (OR operation) được thực hiện giữa tâm của SE với pixel tương ứng để tạo ra pixel trong ảnh output SE Ảnh nguồn Eroded Các đối tượng nhỏ hơn SE sẽ bị xóa, các đối tượng nối với nhau bởi đường mảnh sẽ tách rời và kích cỡ đối tượng sẽ giảm Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 21 Tham khảo mã nguồn openCV_Erode Bài. .. a1,a2, an đều thuộc A  a sẽ thuộc tập E(A,Z) Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 18 Một số định nghĩa khác  I  Z  p  Sp Z  p  I  I Z      Z p p  supp I I Z  I p  p  supp Z  Tập tất cả các pixel p, trong ảnh sao cho Z+p chứa trong I Phần giao của các copies của reflected SE, mỗi cái dịch chuyển đến vị trí pixel thuộc foreground của ảnh Phần giao của các copies của mỗi bản... SP I Z    Tập tất cả vị trí pixel p, trong ảnh mà phần giao của Ž+p với I khác rỗng  ( Z  p) Hội những copies của SE, mỗi bản copy là dịch chuyển đến vị trí pixel foreground trong ảnh (I p) Hội những copies của ảnh, mỗi bản là dịch chuyển đến vị trí pixel foreground của SE p  supp I I Z    ( Z  p)  I   p  supp Z Bài giảng Xử lý ảnh - TS Ngô Quốc Việt 13 A = {(2,1),(3,1),(4,1),(3,2)}